标签： 全部 强化学习 扩散模型 大语言模型 基准测试 视频生成 LLM智能体 世界模型 视觉语言模型 GRPO 多模态大模型 知识蒸馏 基准评测 具身智能 流匹配 机器人操作 多智能体系统 智能体 LLM Agent 可解释性 图像生成 代码生成 多模态学习 检索增强生成 注意力机制 RLVR 后训练 视频理解 机器人学习 长上下文 数学推理 多模态 图像编辑 VLA 数据合成 多模态大语言模型 推理加速 评测基准 高效推理 自监督学习 工具调用 扩散语言模型 对比学习 视觉-语言-动作模型 参数高效微调 Transformer 工具使用 LoRA LLM评估 持续学习 自蒸馏 多模态推理 RAG 模仿学习 综述 LLM推理 信息检索 信用分配 在线策略蒸馏 模型压缩 合成数据
找到 1236 条结果
相关性 | 日期

基于迭代信息瓶颈的潜在策略优化：I²B-LPO

👍 3

通过熵驱动潜在分支和信息瓶颈正则化，解决大语言模型推理中的探索崩溃问题

Huilin Deng, Hongchen Luo, Yue Zhu, Long Li, Zhuoyue Chen, Xinghao Zhao,... 2026-01-12
信息瓶颈 大语言模型 强化学习 探索利用平衡 推理优化
✅ 已总结
详情 →

RelayLLM：通过协作解码实现高效推理

👍 30

让小模型主动调用大模型，用1.07%的token成本恢复60%性能差距

Chengsong Huang, Tong Zheng, Langlin Huang, Jinyuan Li, Haolin Liu, Jiaxin Huang 2026-01-09
GRPO token-level路由 强化学习 模型协作 高效推理
✅ 已总结
详情 →

通过交互学习用户偏好以实现长期协作

👍 2

提出多会话协作基准与记忆框架，使对话代理跨会话学习用户偏好并持续提升协作质量。

Shuhaib Mehri, Priyanka Kargupta, Tal August, Dilek Hakkani-Tür 2026-01-09
人机协作 对话系统 强化学习 用户建模 长期记忆
✅ 已总结
详情 →

演化式程序化技能网络

👍 88

提出PSN框架，让智能体通过可执行符号程序持续获取、精炼和重用技能

Haochen Shi, Xingdi Yuan, Bang Liu 2026-01-08
LLM智能体 具身智能 强化学习 持续学习 程序合成
✅ 已总结
详情 →

MindWatcher：迈向更智能的多模态工具集成推理

👍 42

提出MindWatcher，一个能自主规划、调用多模态工具的智能体，通过持续RL训练和改进的GRPO算法实现SOTA工具推理性能。

Jiawei Chen, Xintian Shen, Lihao Zheng, Zhenwei Shao, Hongyuan Zhang,... 2026-01-07
MWE-Bench ReAct范式 多模态智能体 工具集成推理 强化学习
✅ 已总结
详情 →